IbEverythingExt:零基础上手的高效搜索增强工具
IbEverythingExt是一款为Everything文件搜索引擎设计的扩展插件,核心功能包括拼音搜索(支持简拼/全拼/双拼)和快速选择(通过热键快速操作搜索结果),特别适合中文用户提升文件检索效率。无需编程基础,通过简单配置即可让普通搜索工具升级为智能化中文检索系统。
功能解析:核心能力与技术原理
拼音搜索:打破语言壁垒的检索方式
🔍 技术原理:通过PinyinSearch模块实现中文到拼音的实时转换(源码路径:EverythingExt/PinyinSearch.cpp),支持简拼(如输入"fwb"匹配"文件夹")、全拼及多种双拼方案。采用正则表达式引擎(PCRE)实现高效模式匹配,确保搜索响应速度低于100ms。
快速选择:键盘流操作的效率革命
⚙️ 核心价值:通过自定义热键组合(如Alt+数字)直接操作搜索结果,无需鼠标即可打开文件/文件夹或启动终端。支持Windows Terminal等现代终端工具集成,实现搜索-操作的无缝衔接。
配置指南:从默认到个性化的参数调整
拼音搜索启用步骤
- 安装Everything后,将插件文件复制到
Everything/Plugins目录 - 打开Everything→工具→选项→插件→IbEverythingExt→拼音搜索
- 勾选"启用拼音搜索",根据需求选择编码方案(推荐新手默认"简拼+全拼")
- 点击"应用"保存设置并重启Everything
核心配置参数对比表
| 参数类别 | 默认值 | 自定义建议 | 适用场景 |
|---|---|---|---|
| 拼音模式 | 自动 | Pcre(复杂匹配) | 技术文档检索 |
| 简拼 | 启用 | 保持启用 | 快速定位常用文件 |
| 双拼方案 | 禁用 | 智能ABC(如常用双拼用户) | 输入法习惯匹配 |
| 搜索编辑框热键 | Alt+0-9 | Ctrl+数字(避免冲突) | 多软件协同操作 |
| 终端命令 | wt -d "%fileDirname%" | 自定义为PowerShell路径 | 开发者环境 |
⚠️ 配置文件路径:
publish/IbEverythingExt/config.yaml,修改后需重启Everything生效
使用场景:从日常办公到专业开发
场景1:中文文件快速定位
操作流程:输入"wxls"→自动匹配"我的文档/工作总结.xlsx"→Alt+1直接打开。通过简拼+全拼混合输入(如"wlgx"匹配"王力宏-歌曲"文件夹),比传统关键词搜索效率提升3倍。
场景2:开发者终端快速启动
进阶技巧:在搜索结果中选中项目文件夹→Alt+T直接打开终端并自动cd到目标目录。配合自定义命令可实现"搜索-编码-运行"的全键盘工作流(配置路径:EverythingExt/ipc_window.cpp)。
场景3:多语言文件名检索
支持拼音与英文混合搜索(如"bjdx.jpg"匹配"北京大兴机场.jpg"),解决中英文混杂命名的检索难题,特别适合设计、内容创作等创意工作者。
项目源码地址:
git clone https://gitcode.com/gh_mirrors/ib/IbEverythingExt,包含完整构建脚本与测试用例。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust089- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00

